Modelagem de Sistemas de Informação Professores : Edson Scalabrin Ph.D Marcos Shmeil Ph.D Pontifícia Universidade Católica do Paraná ( PUCPR ) Programa

Modelagem de Sistemas Modelagem de Sistemas de Informaçãode Informação

Professores :Edson Scalabrin Ph.D Marcos Shmeil

Ph.D

Pontifícia Universidade Católica do Paraná ( PUCPR )

Programa de Pós-Graduação em Informática Aplicada ( PPGIA )

e-mail: { scalabrin, shm } @ ppgia.pucpr.br

PUCPR / PPGIA / LASIN / Edson Scalabrin e Marcos Shmeil

2

Dinâmica do cursoDinâmica do curso

Aulas expositivas Trabalhos em equipes

• na classe• extra classe

Edson Scalabrin e Marcos Shmeil 3

AvaliaçãoAvaliação

Uma prova no final da disciplina

Trabalhos



Objetivo :

Fornecer ao aluno conceitos no domínio, em geral de modelagem de problemas do mundo real e em particular a modelagem orientada a agentes.



Ementa :

Fundamentos: Metodologias para modelagens do mundo real Orientada a resultados Orientada a processos Orientada a dados Orientada a objetos Orientada a agentes



Sistemas multi-agente: O que são agentes?

Taxinomia de agentes e suas propriedades

Arquitetura de agentes cognitivos

Componente-comunicação



Componente-raciocínio Learning Planning Co-ordination Expertise Knowledge-base



Arquitetura de agentes reativos Sistemas multi-agente Aplicações de sistemas multi-agente Tecnologias e plataformas para

desenvolvimento



Bibliografia: 1. Artificial Intelligence A Modern Approach

Stuart J. Russell And Peter NorvigPrentice Hall ,1995, 932p

2. Adaption And Learning In Multi-Agent SystemsGerhard Weib Springer, Canada, 1995

3. Software AgentsJeffrey M. BradsshawAAAI/Press,Masachussets, 1997, 480p

4. The Design Of Intelligent AgentsJorg P. MullerSpringer, Berlin, 1996



Bibliografia: 5. Constructing Intelligent Agents With Java : A Programmer's

Guide to Smarter ApplicationsJoseph P. Bigus, Jennifer BigusJohn Wiley & Sons, ISBN: 0471191353

6. Programming and Deploying Java Mobile Agents With AgletsDanny B. Lange, Mitsuru Oshima, Oshima Mitsuru Addison-Wesley Pub Co, ISBN: 0201325829

7. Mobile AgentsWilliam R. Cockayne, Michael Zyda (Contributor) Prentice Hall, ISBN: 0138582424

8. Readings in Agents Michael N. Huhns (Editor), Munindar P. Singh (Editor), Les Gasser Morgan Kaufman Publishers, ISBN: 1558604952



Bibliografia: 9. Multi-Agent Systems : An Introduction to Distributed

Artificial IntelligenceJacques FerberAddison-Wesley Pub Co, ISBN: 0201360489

10. Conception et Realization d’environnement de développement de systèmes d’agents cognitifs, Edson Emílio Scalabrin, Compiègne, dezembro/1996, França, Departamento de “Génie Informatique”, 1996, 169p.

11. Sistemas multi-agente na modelação da estrutura e relações de contratação de organizações, Marcos Augusto Hochuli Shmeil, Porto, Portugal, Faculdade de Engenharia Eletrotécnica e de Computadores, 1999, 241p.


Enquadramento

MáquinasMáquinas Sistemas OperativosSistemas Operativos

LinguagensLinguagens ComunicaçõesComunicações

Conceitos e TeoriasConceitos e Teorias

IA, IADIA, IAD Expert SystemsExpert Systems Machine LearningMachine Learning Multiagent Systems, ...Multiagent Systems, ...

Estrutura de DadosEstrutura de DadosProjeto de ArquivosProjeto de ArquivosBanco de DadosBanco de DadosBanco de Dados DistribuídoBanco de Dados Distribuído

ETC...ETC...ETC...ETC...

Problemas doProblemas doMundo RealMundo Real

PROJETOSPROJETOS

SOLUÇÕESSOLUÇÕES

MÉTODOS EMÉTODOS E TÉCNICASTÉCNICAS

Sociedade/Sociedade/ OrganizaçõesOrganizações


Sinal, dados, informação, . Sinal, dados, informação, . . .. .

Pathways Air, coaxial cables, glass fiber –Media that transmit signls

Signals Sound waves, electric pulses (0s and 1s),strokes of pen on paper

Data Sequences of numbers and letters,spoken words, pictures, even physicalobjects when presented without acontext


Information Organized data, tables, a picture oran object when presented in aparticular context

knowledge Organized information, for instance:understanding what the sales statisticsmean and how to interpret them( an object and its relations)

Wisdon Ability to provide judmentfor instance on sales statistics





Metafísica e OntologiaMetafísica e Ontologia

Metafísica (Aristóteles, pai da ...):

• Andrônico de Rodes ( séc. I a.C )• Aristóteles chamavade “Filosofia

Primeira”em oposição à “Filosofia Segunda ou Física”

• Ontologia remonta do século XVII, foi empregado como sinônimo de Metafísica


“ENTE” e “SER”

• O “ENTE” é o particípio presente do verbo “SER”, significando “Aquilo que é”,

• O “Aquilo invoca certa individualidade, é aquilo que é e não outra coisa,

• O “ENTE” é o que pode ser determinado, individualizado e reconhecido a partir de sua identidade.



ENTE é um substantivo (concreto/abstrato)

Atributos:– Cor– Textura– material– forma,– . . .



Em certo domínio de interpretação• Necessidade de um contorno ( torna-se

o mundo de interpretação]

• novos atributos emergem de um contorno



Em algum contorno

Em outro contorno




Mundo dasONTOLOGIAS

(Sistemas deInformação)

CONHECIMENTO

O MUNDO DOS ENTES

SI - 1

SI - 2

SI - 3

Mundo dos

seres

sinais


Como compreender o mundo Real [ Natural + Artificial ) e modelar o compreendido ?

( Criação de artefatos ) Simon

Criar modelos que . . .Criar modelos que . . .


Traço de contorno

DADOS, PROCESSOS (alteração do espaço de estados -

transformações)


ente

ser


ORIENTADOS À RESULTADOS+- 25 anos

Metodologias ESTRUTURADAS



PAGE - JONES


XX YY

X1 X2

XYZ

DIAGRAMA DE ESTRUTURA


CHRIS GANE et all


XYZ

XX

YY

BB

U

T


YOURDON ( ESSENTIAL MODEL )


Da1

P1

F1


Modelo de dados– Bachman– DeMarco– Jackson– Ken Orr– Warnier– . . .


E2 E1

ENE3


LÓGICA DE CONSTRUÇAO DE SISTEMAS• (Jean-Domiique Warnier)

• 1. Visão de dados ( todo o conjunto de dados deve ser rigorosamente definido por compreensão)

• 2. Posteriormente, estudo das saídas e dos

processamentos



Modelo de Dados

Os modelos são implementados:

(i) através de arquivos,

(ii) SGBD

Duas Espécies de Informação:

Entidades e relacionamento (do ponto de vista do modelo e do ponto de vista da Implementação)

Os elos podem ser IMPLÍCITOS ou EXPLÍCITOS


IMPLÍCITOS ou EXPLÍCITOS

IMPLÍCITOS:

Funcionários

joão vendas vendas Antônio

nome lotação nome diretor

EXPLÍCITOS:

joão vendas Antônio

nome lotação nome diretor

Mundo real

Um certo problema pode ser descrito por:

ENTIDADES

Atributos

RELAÇÕES

VISÃO CONCEITUAL DOS DADOS

Estabelece um modelo conceitual para o Banco de Dados da Organização

Entidade : É um objeto do mundo real que possui significado de existência

VISÃO CONCEITUAL DOS DADOS

Atributo : É uma característica de uma Entidade ou de um Relacionamento

Relações: É uma associação entre entidades. Estas associações possuem também algum significado


RELAÇÕES ou RELACIONAMENTO

Agente financeiro

Clientefinanciamento

Data

Valor


RELAÇÕES ou RELACIONAMENTO

Conectividade

Grau da relação

1 : 1 (caso particular de 1:N)

1 : N

N : N

N - ariedade

Indica quantas entidades estão envolvidas em uma seleção

N – ariedade = 3


EXEMPLO

CURSO ALUNO

DISCIPLINA

DEPTO PROFESSOR

cursa (N:N)

coordena (1:1)

emprega (1:N)

oferece (1:N)

orienta (N:N)currículo (N:N) cursa (N:N)

leciona (N:N)pré-requisito (N:N)


Quanto a forma de manter os RELACIONAMENTOS

entre as ENTIDADES, os principais modelos

utilizados para representar as estruturas lógicas são:

Modelo HIERÁRQUICO

Modelo em REDE

Modelo RELACIONAL

Modelos


TRANSPARÊNCIAS . . .

• Modelo hierárquico

• Modelo em Rede

Modelos


E1, auxiliar mecânico, EmpC

C1, João, Rua XV 130, 275, 30/10/1986

Modelo Hierárquico

Candidatos à empregos Ofertas de empregos

E1, auxiliar mecânico, EmpA

C1, João, Rua XV 130, 200, 11/10/1986C2, Antônio, Rua ZT 20, 100, 12/10/1986

E2, torneiro mecânico, EmpB C1, João, Rua XV 130, 150, 20/09/1986

C2, Antônio, Rua ZT 20, 270, 09/10/1986C3, José, Rua BR 07, 420, 09/10/1986

E4, datilógrafo, EmpD

E(cod, cargo,empresa C(cod, nome, endereço, salário pretendido, data inscrição


• no exemplo, o observador vê 4 árvores separadas,

• cada árvore consiste de “1” ocorrência “emprego”, e

“n” ocorrências “candidato”

• um “emprego” poderá não possuir “candidato”

• o registro de topo é conhecido como “RAIZ”,

• um nó poderá ter “n” dependentes e cada nó dependente poderá

ter “n” dependentes e assim sucessivamente,

• as árvores poderiam ter como “raiz” o candidato e como

dependentes as ofertas de emprego,

ofertas de emprego

candidatos

Modelo Hierárquico


•ASPECTOS:

•INSERÇÃO : não há como cadastrar um candidato sem uma oferta,

•REMOÇÃO: se desejarmos remover um dado do candidato, ou mesmo uma determinada oferta de emprego, eliminamos o cadastro do funcionário,

•ATUALIZAÇÃO: se necessitarmos alterar o endereço de um candidato, para não torna-lo inconsistente, deveremos altera-los em todas as ocorrências, e

•PESQUISA: não há simetria. Ex:

“Encontre os candidatos de uma certa oferta de emprego”

“Encontre as ofertas de emprego para um certo candidato”

ofertas de emprego

candidatos

Modelo Hierárquico

•A maior desvantagem da abordagem HIERÁRQUICA é

que nem todos os problemas do mundo real são

hierárquicos


•Modelo proposto pelo “DBTG” da “CODASYL”,

•Tomando o mesmo exemplo anterior

Modelo em REDE

Candidatos à empregos Ofertas de empregos


Modelo em REDE

C1, João C1, JoséC2, Antônio

200,00

11/10/86

150,00

20/09/86

100,00

12/10/86

270,00

09/10/86

420,00

11/10/86

E1, aux...,

empA

E3, mec...,

empC

E2, torn..,

empB

E1, dat...,

empD

275,00

30/10/86


Modelo em REDE

• é uma estrutura mais geral do que a hierárquica,

• UMA ocorrência poderá estar subordinada a VÁRIAS outras

ocorrências, bem como ter como subordinada VÁRIAS outras,

• a abordagem em rede, nos permite modelar uma relação

“n:n” mais diretamente que a hierárquica,

•no exemplo podemos observar a introdução de um conector

(associação entre candidato e oferta de emprego)

Candidatos à empregos

Ofertas de

empregos

Ofertas X candidato


Modelo em REDE

• ASPECTOS:

•PESQUISA: apresenta simetria em relação a hierárquica,

•INSERÇÃO: simplesmente cria-se uma nova ocorrência

mesmo que não haja associação para ela, ex.: candidato,

•REMOÇÃO: para remover a inscrição, tira-se o

conector, ajustando-se as referências internas,

•ATUALIZAÇÃO: podemos alterar, por exemplo, o

endereço do candidato sem a preocupação de

inconsistências quanto as redundâncias.

Candidatos à empregos

Ofertas de empregos

Candidato X Ofertas

•A maior desvantagem da abordagem em REDE é a

excessiva complexidade nas estruturas de dados


RELACIONAL

•Introduzido por E. F. CODD

•Oferece uma representação simples e natural do Banco de Dados

•A Estrutura Lógica oferecida para representar o mundo real, consiste em TABELAS , denominadas de RELAÇÕES

Modelos


RELAÇÕES

•Dada uma coleção de Conjuntos D1, D2,..,Dn (não

necessariamente disjuntos), R é uma relação nos

“n”conjuntos de “n-tuplas”ordenadas (d1, d2,... dn) tais que d1 D1 ; d2 D2 ; ... ; dn Dn .

•D1, D2,..,Dn são domínios de R. O valor de “n” é o grau de R.

Modelos


RELAÇÃO: ALUNO

RELACIONAL

tuplaA2 josé 74,0 1,80 azul 19 m

A1 joão 72,5 1,75 cast 18 m

A4 rosa 54,0 1,69 preta 18 f

A3 eliane 56,0 1,67 verde 20 f

#aluno nome peso altura olhos idade sexo

O grau da relação é 7 (sete).

O número de tuplas (cardinalidade) é 4 (quatro)

grau 1 = unárias, grau 2 = binárias, grau n = n-árias


RELACIONAL

P1

P2

X1

X2

X3

P1 X1

P1 X2

P1 X3

P2 X1

P2 X2

P2 X3

Ex: palavras


IMPLEMENTAÇÃO VIA ARQUIVOS

Seqüencial

Indexado

Direto





IMPLEMENTAÇÃO SGBD


ENGENHARIA DA INFORMAÇÃO

• UM OLHAR DE MAIOR ABRANGÊNCIA• DILATAR A LINHA DE CONTORNO• EX: A ORGANIZAÇÃO COMO

DIMENSÃO

– (Técnicas estruturas e modelos de dados)



Outras características:– On-line, Real time, batch, batch remoto

– X - driven

– Centralizado, descentralizado, distribuído

– Monótono e não monótono

– . . .



Orientado a objetos



Exercício #1

(i) Modelar a seguinte organização:

(Crítica sobre....)

.. Resultados

.. Dados

.. Processos

.. Objeto

Documents

Modelagem de Sistemas de Informação Professores : Edson Scalabrin Ph.D Marcos Shmeil Ph.D Pontifícia Universidade Católica do Paraná ( PUCPR ) Programa